巴菲特之后,AI开始接管投资

5位DeepMind科学家+1位投资人，正在打造金融界的DeepSeek

过亿元天使轮。

放在2026年的中国AI一级市场，这已经不算特别稀奇。

但如果一家成立不到一年、产品还没真正大规模商业化的公司，就拿到了赛富、五源资本、Monolith砺思资本以及某千亿互联网公司创始人家办的联合下注——事情就有点不一样了。

更何况，这家公司从诞生第一天起，就把目标写得异常直接：

做金融领域的DeepSeek。

它叫GIM（Grace Investment Machine）。

创始团队里，有长期做一级、二级市场投资的资深投资人，也有来自DeepMind、Meta FAIR、Google Brain等机构的AI研究员。

一句话概括：

他们不是想做一个金融分析工具，而是想重新定义投资这件事。

一、巴菲特之后，投资还有第三种形态吗？

GIM的创始人徐嘉浩，原本是最不像创业者的人。

十多年投资经历。

见过独角兽成长。

看过企业上市。

如果沿着传统路径走，他完全可以继续做投资、募基金、当GP。

直到推理模型出现。

从OpenAI o1到DeepSeek，再到后来的o3，AI开始展现出一种过去从未有过的能力：

推理。

它不再只是回答问题。

开始能够分析问题。

拆解问题。

甚至反思自己的答案。

这让徐嘉浩产生了一个想法：

如果AI已经具备类似研究员的能力，那么投资行业会不会迎来一次范式转换？

过去几十年，投资行业经历过两次重大升级。

第一代是主观投资。

代表人物是巴菲特。

核心资产是人的认知。

第二代是量化投资。

代表机构是文艺复兴基金。

核心资产是数学模型。

那么第三代呢？

GIM给出的答案是：

AI Agent驱动的智能投资。

不是辅助投资人。

而是重构整个投资流程。

二、为什么金融不会被通用大模型直接吃掉？

很多人的第一反应是：

DeepSeek、GPT、Claude已经这么强了，为什么还需要金融大模型？

答案其实很简单。

因为金融行业对模型的要求，与普通问答完全不是一回事。

GPT能帮你总结财报。

但不一定能告诉你：

这家公司值不值得买。

原因主要有四个。

第一，金融最怕算错

写错一篇报告，问题不大。

算错一个DCF模型，可能直接亏掉几千万。

而数值推理一直是通用模型的短板。

第二，金融是时间序列游戏

市场最重要的信息不是数据本身。

而是数据变化。

财报增长5%，到底是变好还是变坏？

要结合过去几个季度一起看。

这和语言理解完全是两套逻辑。

第三，监管要求可解释

金融行业最大的关键词不是收益。

而是合规。

每一个投资决策都必须能够追溯：

为什么买？

为什么卖？

依据是什么？

而通用模型的很多推理过程，本质上仍然是黑箱。

第四，市场变化太快

通用模型半年更新一次。

金融市场可能半个月就换一个逻辑。

昨天有效的Alpha，明天可能就失效。

因此金融行业真正需要的不是一个百科全书。

而是一个专业基金经理。

这正是GIM选择垂域模型的根本原因。

三、GIM真正的底牌：把AI变成研究团队

比起融资，更有意思的是GIM的技术路线。

他们在ACL 2026发表了一篇论文：

《CogAlpha：Multi-Agent Framework for Automated Alpha Mining》。

简单来说，它试图解决量化投资最核心的问题：

寻找Alpha。

什么是Alpha？

就是那些能够持续跑赢市场的信号。

过去几十年，寻找Alpha主要依赖两类人：

一类是金融工程师。

一类是量化研究员。

而GIM想做的事情是：

把这群人变成AI。

他们设计了一个由21个Agent组成的协作体系。

有的负责市场状态分析。

有的负责量价关系。

有的负责趋势判断。

有的负责风险控制。

每个Agent负责自己的领域。

彼此评审。

彼此纠错。

不断迭代。

如果把传统基金经理团队搬进电脑，大概就是这个样子。

最有意思的是研究结果。

在Alpha挖掘场景中，

闭源模型并没有明显优势。

真正决定效果的，反而是Agent协作体系。

这意味着一个重要趋势：

未来AI竞争的重点，可能不再是模型参数规模。

而是谁能设计出更优秀的智能体组织结构。

四、资本为什么愿意下注？

这是整件事最值得关注的地方。

因为投资人买的从来不是技术。

而是未来。

对于GIM而言，资本看中的其实有三层逻辑。

第一层：推理模型成熟

如果没有DeepSeek。

没有o1。

没有o3。

GIM的故事根本讲不通。

推理能力的突破，是整个金融AI成立的前提。

第二层：金融天然适合AI

医疗、法律、教育都很大。

但金融有一个独特优势：

收益可以直接量化。

模型好不好，不需要争论。

收益率会告诉你答案。

这也是为什么资本市场始终愿意为金融科技支付高溢价。

第三层：团队极其稀缺

AI懂金融的人不多。

金融懂AI的人更少。

同时精通两者的人，全球可能都没有多少。

GIM最大的壁垒，或许不是模型。

而是团队。

投资人、AI科学家、量化研究员被放进同一个创业项目里，这种组合本身就具备稀缺价值。

五、GIM真正想卖的，不是模型

很多人把GIM理解成一家金融AI公司。

但从它的规划看，更准确的定位应该是：

AI原生资管平台。

这才是整个故事最有想象力的部分。

过去的资管行业依赖人。

后来的量化行业依赖数学家。

未来有没有可能出现第三种机构？

没有庞大的研究团队。

没有成百上千名分析师。

而是一群AI Agent 24小时不停工作。

研究市场。

挖掘因子。

生成策略。

执行交易。

如果这样的组织形态成立，那么今天看到的资管行业格局，都可能被重写。

GIM押注的，其实并不是一个模型。

而是一个全新的行业物种。

六、中国AI资本市场，开始进入下半场

如果把视角拉高一点。

GIM融资背后，其实透露出中国AI投资逻辑的一次转向。

2024年、2025年最火的是基础模型。

谁参数大。

谁性能强。

谁融资多。

谁就是明星公司。

到了2026年，情况开始变化。

通用模型逐渐变成基础设施。

越来越像水、电、煤。

真正产生价值的地方，开始转向行业应用层。

医疗AI。

法律AI。

教育AI。

金融AI。

一批垂域模型公司开始获得资本青睐。

因为资本终于发现：

决定企业价值的，不是模型本身。

而是模型进入行业后形成的壁垒。

行业数据。

行业经验。

行业流程。

行业合规。

这些东西，远比多几个百分点的模型跑分更值钱。

GIM恰好站在这轮趋势的交汇点上。

结语

回到最初的问题。

为什么一家成立不到一年的公司，能够拿到过亿元天使轮？

因为它同时踩中了三个时代红利：

推理模型爆发。

金融行业智能化。

垂域AI崛起。

而更重要的是，它讲述了一个足够诱人的故事：

如果巴菲特代表投资1.0，文艺复兴代表投资2.0，那么AI Agent会不会成为投资3.0？

这是GIM真正的赌局。

也是资本愿意下注的原因。

至于结果如何，市场很快会给出答案。

毕竟在金融行业，所有故事最终都会回到同一个问题：

收益率。

如果未来某一天，AI管理的基金持续跑赢最优秀的人类基金经理。

那么今天的这笔过亿元天使轮，或许会被视为一个新时代的起点。

如果做不到，它也会成为AI资本狂潮中的又一个注脚。

但无论结果如何，

金融与AI的融合，已经开始了。

互动话题

如果未来出现一只完全由AI智能体管理的基金：

你会把自己的钱交给AI，还是继续相信人类基金经理？欢迎留言讨论。